导语：当前，人工智能在执行层面不断进化：它可以理解指令、制定计划、调用工具，甚至完成复杂工作，但通常仍需人类提供目标、判断意义，并在方向偏离时进行纠正。缺乏稳定的自主性，仍是AI系统普遍面临的问题。
对于这一现象，常见解释包括上下文不足、记忆有限，或人类没有把需求交代清楚。这些因素确实影响工作表现，却没有充分回答自主性从何而来。更多上下文可以帮助AI更清楚地知道任务是什么，却未必能让它产生自己的行动理由。一个系统知道得更多，并不意味着它因此拥有必须主动回应的需要。
无人交代任务时，AI为何还要行动？
由此引出的追问是：什么是AI自主行动的第一驱动力？当没有人交代任务时，一个系统为什么还要行动？它依据什么判断哪些事情值得做，哪些结果应该避免？
文章认为，生存可能提供了这样一个起点。对于生命而言，维持自身存在是一项持续发生的需要。能量会消耗，身体会受损，环境会改变。不采取行动，也可能产生后果。这些条件并不等待外部指令，而是不断要求个体与世界发生联系。
恐惧则可能让这种生存需要具有面向未来的力量。危险还没有真正发生，个体就可能因为预见损伤、失去资源或死亡而改变当前行为。于是，行动不再只由眼前刺激触发，也开始围绕“接下来会发生什么”“这对我意味着什么”展开。
从自身状态到目标生成
沿着这一思路，如果人工系统拥有连续的自身状态，能够感知能量、损伤和机能变化，而且行动确实影响这些状态，那么它就可能形成围绕自身需要的评价标准。某些结果有助于维持自身，另一些结果会削弱未来的行动能力。寻找资源、避免损伤、探索环境、积累经验，就可能逐渐成为从这些需要中产生的具体目标。
在这样的系统中，记忆可以帮助它避免重复受损，学习可以改善未来处境，判断可以协调眼前收益与长期后果。各种能力由此获得共同的组织依据：自身持续存在的需要。
假说：生存与恐惧或成底层动力
因此，文章提出的假说是：生存需求，以及与生存威胁相关的恐惧，可能为自主性提供一种底层动力。上下文和记忆能够支持它，但要解释目标为什么会从系统内部持续产生，还需要理解自身需要、行动后果与学习之间的关系。
这并不意味着加入生存压力就一定能够制造生命或意识。但它提供了一条值得探索的路径：让人工系统通过自身与世界的持续互动，逐渐形成对自己而言有意义的目标。